开放权重模型与前沿模型：成本与质量对比

开放权重模型与前沿模型之间的取舍，归结起来是能力和成本两件事。在通用能力上，最好的开放权重模型大约落后前沿四个月，这是 Epoch AI 在 2026 年 5 月给出的测量结果。在价格上，截至 2026 年 10 月，开放权重模型每个 token 的价格比旗舰前沿模型低好几倍。而在一个明确的任务上，用这项任务训练开放模型可以弥补能力差距：在我们已发表的 QMSum 研究中，训练过的模型在 ROUGE-1 上的得分高于我们测试的全部五个托管专有模型，相关限制条件见下文。

本文介绍两类模型的区别、整体差距有多大、开放权重为什么更便宜、目前领先的开放模型有哪些、训练过的开放模型在哪里胜出（附我们的实测结果），以及从两个成本维度看每类模型的单任务成本。

开放权重模型和前沿模型有什么区别？

前沿模型指的是某一时期能力最强的一批模型，其中几乎全部是闭源权重：您只能通过开发者的 API 使用，训练、部署、定价和下线都由开发者决定。开放权重模型会公开训练好的参数，任何人都可以下载、自行托管，并用自己的数据继续训练。

Artificial Analysis 的划分方式和业内大多数人一致：只要模型"where their weights are accessible to download"（权重可以下载），就算开放权重，这意味着可以"self-hosting on your own infrastructure"（在自己的基础设施上托管），并且可以通过微调等方式定制模型（2026 年 10 月 29 日查阅）。开放权重的含义比开源窄。训练数据和训练代码通常仍然保密，商业上能做什么由许可证决定，详见我们的开放模型许可证指南。

英国 AI 安全研究所（UK AI Security Institute）在 2026 年 7 月这样概括开放模型的好处：它们"can be hosted privately, with no data returning to the model providers, adapted to specific tasks, and run only at the cost of compute"（可以私有托管，数据不会回流到模型提供方，可以针对具体任务调整，运行成本只有算力）。一旦投入使用，它们就是提供方无法更改或下线的可靠底座。

开放权重模型落后前沿模型多少？

在通用能力上大约四个月。Epoch AI 发现，自 2026 年 1 月以来，"the most capable open-weight models have lagged frontier closed models by an average of four months"（能力最强的开放权重模型平均落后闭源前沿模型四个月），这是按其 Epoch Capabilities Index 计算的，平均差距为 8 个指数点，"similar to the gap between GPT-5 and GPT-5.5"（与 GPT-5 和 GPT-5.5 之间的差距相当），见 Epoch AI 2026 年 5 月 29 日的数据。它此前的分析显示，2023 年 1 月到 2025 年 10 月期间的落后时间约为三个月。

针对更具体能力的测量也落在同一区间。英国 AI 安全研究所测试了网络安全能力，发现 GLM-5.2（2026 年 6 月）和 DeepSeek V4-Pro 的表现与比它们早 4 到 7 个月发布的闭源前沿模型相当，比它在 2025 年大部分时间测得的 6 到 10 个月更短（AISI，2026 年 7 月 17 日）。

这两项测量覆盖的都是一大批任务。一家企业如果只是大量运行某一项任务，它要回答的问题更具体：模型做这项工作做得怎么样，每次回答要花多少钱。整体差距只是起点，用这项任务训练模型会改变答案，下文的 QMSum 结果说明了这一点。

为什么开放权重模型更便宜？

开放权重模型更便宜，是因为任何人都可以部署同一份权重，托管商之间要在每个 token 的价格上竞争；闭源模型则只有开发者定下的一个价格。2026 年 10 月 29 日，OpenRouter 上的 GLM-5.2 有 25 家提供商的 34 个端点，输出价格从每百万 token 1.44 美元到 8.00 美元不等。Claude Opus 5.5 有 5 家提供商的 11 个端点，价格全部等于或高于 Anthropic 的标价，即每百万 token 输入 4 美元、输出 20 美元。

价差背后还有两个原因。大多数开放权重不需要托管商向开发者付费，所以价格只需覆盖部署成本。另外，您可以选择模型大小：开放模型有多种尺寸，模型越小，每个 token 的运行成本越低。

表中最后一行是需要说明的例外。前沿实验室也卖低价档模型，GPT-6 Luna 每个 token 的价格比托管的开放模型还低。面对低价档，训练模型的优势在于第二个成本维度，也就是每个任务用的 token 更少，再加上质量：低价档能不能在您的任务上达到您的标准。

最好的开放权重模型是哪个？

就通用能力而言，截至 2026 年 10 月 29 日，Artificial Analysis 将 DeepSeek V4.1 Flash 1017 和 GLM-5.3（均为最高推理强度）列为智能水平最高的开放模型，其后是 MiMo-V2.6-Pro 和 Ling 3.1 Flash 1019（Artificial Analysis）。这类排名变化很快，引用任何排名时都要看清日期。

对一项业务任务来说，最好的开放权重模型，是用您自己的样例训练之后仍能达到质量标准的最小模型，而且许可证允许您的用途。排行榜衡量的是通用能力，您的评估集衡量的才是您付钱要完成的工作，它选出的模型可能比榜首小得多。

训练过的开放模型什么时候胜过前沿模型？

当一项任务大量重复、输出可以核验、质量标准由这项任务本身决定时，训练过的开放模型就会胜出。我们的 QMSum 研究（arXiv 2609.25028）在面向查询的会议摘要任务上展示了这种效果，所有系统都在完整的 281 条测试查询上用同一套实现打分。

这组比较中有三个结果值得关注。

训练让开放模型在 ROUGE-1 上超过了托管模型。 未训练的 1.2B 开放模型 ROUGE-1 为 30.12，低于最好的托管专有模型的 32.43。用它在推理时读取的同一种检索片段输入对它进行微调，ROUGE-1 提高了 5.29（95% 区间为 +4.02 到 +6.56），最终达到 35.41。而在训练之前，把转录稿开头的文字换成检索到的片段，只在测试集上提高了 1.55、在验证集上提高了 0.29，所以大部分提升来自训练。

两个训练过的模型得分都高于全部五个托管专有模型。 托管模型在同一个简洁提示词下以零样本方式运行，得分在 27.89 到 32.43 之间。论文对这个排序有明确限定：托管模型的回答更长，这在基于参考文本重合度的指标上会拉大差距，而且研究没有进行人工评估或事实性评估。论文结论仅限于 QMSum 和自动指标。QMSum 上最强的已发表系统在各自论文中报告了更高的分数，最高为 ROUGE-1 38.82，因此这项研究的贡献在于统一评分下的比较和成本结论。研究所测试的托管模型版本是当时的最新版本，此后又有更新的版本发布。

更小的训练模型保住了质量。 406M 专用模型得分 36.33，1.2B 系统为 35.41，QMSum 无法在统计上区分这一差异，而前者的推理峰值内存不到后者的一半。对于大批量运行的任务，这个占用决定了部署成本，所以我们会按任务确定每个模型的大小。

支出的去向也呈现同样的规律。在 OpenRouter 截至 2026 年 10 月 12 日的 30 天公开数据中，分类、抽取和转换占已分类模型支出的 20.8%，而在这些任务上，闭源前沿模型占前十名模型支出的 75% 到 87%。这些任务的输出可以核验，训练过的模型可以被精确评估。更完整的论述见《微调已死？》。

开放权重模型和前沿模型的单任务成本是多少？

单任务成本等于每个 token 的价格乘以每个任务用掉的 token 数，训练过的开放模型能同时降低这两项。价格下降，是因为开放权重以竞争性价格提供服务，而规模合适的模型需要的硬件更少。token 数下降，是因为通用模型每次提示都需要的指令、规范和示例被训练进了模型本身，不必再发送。

下表使用一个示意任务：输入 6,000 个 token，其中 4,500 个是重复的指令和示例，输出 500 个 token。训练模型这一行保留 1,500 个 token 的单次请求数据，并给出更短的回答。价格为各供应商 2026 年 10 月 29 日的标价。

训练模型这一行沿用 GLM-5.2 的价格，以便单独看出 token 数的影响。为单一任务训练的模型可以比通用模型小得多（我们 QMSum 研究中训练的摘要模型分别为 406M 和 1.2B 参数），因此它每个 token 的价格可以远低于 GLM-5.2。GPT-6 Luna 这一行说明了按 token 价格论证的边界：面对低价档，节省来自 token 数，决定性的问题是您的任务上的质量。

提示词越重的智能体，节省越多。当每次请求都带着护栏、操作流程、工具定义和示例时，起始提示词可以达到 10,000 个 token，而每次请求之间变化的只有单次请求的数据。把这些内容训练进模型后，只需发送同样的 1,500 个 token 数据：

输入 token 减少 85%。训练模型的成本不到同一开放模型使用完整提示词时的四分之一，约为 Claude Opus 5.5 的十三分之一。按这些标价，GPT-6 Luna 的单任务成本仍然更低；要缩小这一差距，需要更小的训练模型带来的更低价格，其余由您任务上的质量决定。

token 这个维度要按您自己的流量来校准。它取决于每次提示中有多少是重复的固定内容、有多少是单次请求的数据，也取决于您现在用的模型是否对推理 token 计费。提示词缓存已经能给重复输入打折：截至 2026 年 10 月 29 日，Anthropic 对 Claude Opus 5.5 的缓存命中按每百万 token 0.20 美元计费，是输入价格的二十分之一。如果您的缓存做得好，输入端能省下的就少一些，输出和推理 token 在成本论证中的分量更重。

可以用单任务成本计算器算一算您自己的数字，它把每个 token 的价格和每个任务的 token 数作为两个独立输入。我们关于 AI 单任务成本和定制模型何时在成本上胜过前沿 API 的指南，在计入训练和托管成本后计算了盈亏平衡点。

什么时候应该用前沿模型？

任务范围宽、刚起步或量不大时，租用前沿模型；任务明确、稳定且反复出现时，训练一个开放模型。

两者可以配合使用。用提示词调用前沿模型，是摸清任务需求最快的方式；这个过程中积累的样例和评估集，会成为训练模型的数据和质量标准。困难或少见的请求可以继续交给前沿模型，训练过的模型承担大部分流量。

Ertas 是一家应用型 AI 实验室，为此提供自适应模型端点：一个用您的任务训练的模型，通过兼容 OpenAI 的 API 提供服务。新版本在后台用您的智能体流量训练，按您的评估打分，只有经您批准才会上线。如果新版本没有达到标准，当前模型继续服务。它可以由 Ertas 托管，也可以部署在您自己的云上或本地，您的数据始终保持私密。该端点目前仅限受邀企业使用，我们正在开发一个更简化的版本，让更多企业可以接入。

常见问题

英文应该写 "open weights models" 还是 "open-weight models"？

两种写法都有人用。"open-weight model" 要加连字符，因为 "open-weight" 用来修饰名词，和 "open-source model" 的写法一样。不加连字符的 "open weights" 是名词短语，例如 "the model has open weights"。Epoch AI 写作 "open-weight models"，英国 AI 安全研究所写作 "open weight models"。中文一般称为开放权重模型。

ChatGPT 是前沿模型吗？

ChatGPT 是 OpenAI 的聊天产品，背后运行的是 OpenAI 的前沿模型。这些模型是闭源权重：您只能通过 ChatGPT 或 OpenAI 的 API 使用，权重不公开。

ChatGPT 是开源还是闭源？

闭源。OpenAI 不公开 ChatGPT 背后模型的权重。它另外以 gpt-oss 为名发布了开放权重模型，任何人都可以下载和托管；Epoch AI 将 gpt-oss-120b 标为无使用限制。

有哪些开放权重模型的例子？

Z.ai 的 GLM-5.2、DeepSeek V4 Pro、Moonshot 的 Kimi K2.6、Google DeepMind 的 Gemma 4 以及 OpenAI 的 gpt-oss 都是开放权重模型。许可证各不相同：Epoch AI 将 Kimi K2.6 标为无使用限制，将 Gemma 4 31B 标为限制使用，商用前请先核对条款。

为什么运行开放权重模型更便宜？

许多托管商部署同一份开放权重并在价格上竞争，您还可以选择与任务相匹配的模型大小。闭源模型只有开发者定下的一个标价。截至 2026 年 10 月 29 日，GLM-5.2 在 Together AI 上的输出价格为每百万 token 4.40 美元，而 Claude Opus 5.5 为 20 美元。

开放权重模型能和前沿模型竞争吗？

在通用能力上，最好的开放模型平均落后约四个月，这是 Epoch AI 在 2026 年 5 月的结论。在单一明确的任务上，训练会改变比较结果：在我们的 QMSum 研究中，训练过的开放模型在 ROUGE-1 上的得分高于五个托管专有模型，但需要注意，托管模型的回答更长，而且研究没有进行人工评估或事实性评估。

简短版

前沿模型在通用能力上领先几个月，开放权重模型每个 token 的价格比旗舰模型低好几倍。对于大批量运行的单一任务，一个规模合适、用这项任务训练过的开放模型，可以在这项任务自己的衡量标准上超过托管模型，同时每次请求发送的 token 少得多。任务范围宽或刚起步时用前沿模型，任务稳定且反复出现后再训练模型。把您自己的价格和 token 数输入单任务成本计算器，就能看到您的交叉点在哪里。

什么时候一项任务值得拥有自己的模型，可参阅基础模型与特定任务模型。训练好的模型上线后如何持续改进，可参阅AI 智能体的持续学习。

---

资料来源，均于 2026 年 10 月 29 日查阅：Epoch AI，"Open models lag state-of-the-art closed models by 4 months"（2026 年 5 月 29 日）；英国 AI 安全研究所，"How Far Behind the Frontier are Leading Open Weight Models on Cyber?"（2026 年 7 月 17 日）；Artificial Analysis 开放权重模型对比；价格来自 OpenAI、Anthropic 和 Together AI；提供商列表来自 OpenRouter。我们的研究：QMSum 研究和 OpenRouter 结构化任务报告。